3步跑通Local Deep Research：本地AI研究助手安装与上手笔记

3步跑通Local Deep Research本地AI研究助手安装与上手笔记【免费下载链接】local-deep-research~95% on SimpleQA (e.g. Qwen3.6-27B on a 3090). Supports all local and cloud LLMs (llama.cpp, Ollama, Google, ...). 10 search engines - arXiv, PubMed, your private documents. Everything Local Encrypted.项目地址: https://gitcode.com/GitHub_Trending/lo/local-deep-research想让AI自己查资料、出带引用的报告Local Deep Research 是纯本地运行的AI研究助手Python编写本文带你完成安装与配置。先搞清楚它能干嘛对号入座一下写文献综述丢一个研究问题进去它自己去 arXiv、PubMed、Semantic Scholar 里搜论文回来交一篇带引用的报告。快速摸底结合 SearXNG 网页搜索和 Wikipedia30秒到3分钟出一篇标了出处的快速摘要。攒私人知识库查过的论文、网页可以直接下载进它的加密书库下次提问时连你自己的文档一起检索。官方声明没有任何遥测和追踪全程用本地模型时你的问题不出本机。动手前先对照这张清单环境自检清单项目要求必须 / 可选Python3.10 及以上必须内存8GB 起步跑 12B 模型建议 16GB必须网络能下载依赖、能上网搜索必须本地模型服务Ollama或任意 OpenAI 兼容端点、云端 LLM必须本地路线模型例如 gemma3:12b约需 8GB 显存必须SearXNG网页搜索聚合用 Docker 跑可选推荐跟着做安装不迷路最快启动方式pip 路线第1步装主程序pip install local-deep-research预期终端打印 Successfully installed依赖一并装好。第2步准备本地模型可选改用云端 LLM 可跳过按 Ollama 官网指引装好 Ollama然后拉一个模型ollama pull gemma3:12b预期执行ollama list能看到 gemma3:12b。显存不够就换 7B 级小模型。第3步起网页搜索可选docker run -d -p 8080:8080 --name searxng searxng/searxng预期浏览器打开 http://localhost:8080 能看到 SearXNG 搜索页。没有 Docker 可跳过之后在设置里改用其他搜索引擎。第4步配置搜索源并启动export LDR_SEARCH_ENGINE_WEB_SEARXNG_DEFAULT_PARAMS_INSTANCE_URLhttp://localhost:8080 ldr-web预期终端出现服务启动日志。注意LDR 本身不读 .env 文件环境变量只在启动它的那个进程里生效。怎么确认装好了一键验证浏览器打开 http://localhost:5000看到登录页 服务起来了按提示创建账号。进 Settings → LLM选 Ollama 和 gemma3:12b。模型没在这里选研究时会直接报错。提交一个研究问题看到它逐轮列出搜索来源、最后产出带引用的报告 装好了。想换启动方式的话python -m local_deep_research.web.app效果一样。新手容易卡住的3个点Q1报 Error: max_workers must be greater than 0说明连不上 LLM。按顺序查Ollama 是否在跑ollama list、模型是否已下载、Settings 里模型名是否拼对。Q2SearXNG 搜不到东西日志说 private / loopback address第4步的 export 没在服务进程环境里生效。把 export 和 ldr-web 放在同一个终端连续执行再重启服务。Q3报 No module named local_deep_research包没装进当前 Python 环境。先卸载再重装装完用同一个环境启动。写在最后跑通之后建议去 Settings 里把研究策略换成 langgraph-agent让模型自己决定搜哪里、换哪个引擎这是官方基准里成绩最好的模式。配置项和更多报错案例翻 pip安装指南 和 常见问题。【免费下载链接】local-deep-research~95% on SimpleQA (e.g. Qwen3.6-27B on a 3090). Supports all local and cloud LLMs (llama.cpp, Ollama, Google, ...). 10 search engines - arXiv, PubMed, your private documents. Everything Local Encrypted.项目地址: https://gitcode.com/GitHub_Trending/lo/local-deep-research创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考